Alle, der holder et kæledyr derhjemme, elsker dem. Men ville din elskede hund se endnu sødere ud, hvis det var en anden race? Takket være et nyt værktøj fra NVIDIA kaldet GANimals, kan du vurdere, om dit yndlingskæledyr ville se endnu sødere ud, hvis det var et andet dyr.
Tidligere i år, NVIDIA Research Internetbrugere med sit GauGAN-værktøj, som gjorde det muligt for ham at omdanne grove skitser til næsten fotorealistiske billeder. Dette værktøj krævede, at brugerne skulle angive, hvilke dele af billedet, der skulle være vand, træer, bjerge og andre vartegn ved at vælge den passende penselfarve, men GANimals fungerer helt automatisk. Alt du skal gøre er at uploade et billede af dit kæledyr, og det vil skabe en række fotorealistiske billeder af andre dyr, der bevarer prøvens "ansigtsudtryk".
I denne uge, i et papir, der blev præsenteret på den internationale konference om computersyn i Seoul, Korea, beskrev forskerne den algoritme, de udviklede - . Det står for Få-shot, UN-supervised Image-to-image Translation. Når man bruger kunstig intelligens til at omdanne et kildebilledes karakteristika til et målbillede, skal den kunstige intelligens typisk trænes på en stor samling af målbilleder med forskellige lysniveauer og kameravinkler for at producere resultater, der ser realistiske ud. Men at skabe en så stor billeddatabase tager lang tid og begrænser det neurale netværks muligheder. Hvis en AI er trænet til at forvandle kyllinger til kalkuner, er det det eneste, den vil gøre godt.
Til sammenligning kan FUNIT-algoritmen trænes ved at bruge nogle få billeder af måldyret, som den øves på gentagne gange. Når algoritmen er trænet tilstrækkeligt, behøver den kun ét billede af kilde- og måldyrene, som kan være helt tilfældige og aldrig er blevet behandlet eller analyseret før.
Interesserede kan prøve GANanimals på , men indtil videre er resultaterne lav opløsning og ikke egnet til andet end uddannelsesformål eller til at stille nysgerrighed. Forskerne håber med tiden at forbedre AI og algoritmens muligheder, så det snart vil være muligt at ændre folks ansigter uden at stole på enorme databaser med omhyggeligt kurerede billeder.
Kilde: 3dnews.ru